Pandas 交叉表在同一输出上具有频率、行百分比和列百分比

Question

我正在尝试在 Stata 中复制非常有用的 tabulate twoway 函数，在同一输出中，您可以看到 频率、相应的 行百分比 和相应的数据中两个分类变量的每个可能组合的列百分比。

也就是说，结果表中的每个单元格都包含与上述数字对应的三个堆叠值。

Stata 中的示例输出：这是单个变量 汽车类型 的表格，其中，在数据中，我有 52 个观察值，其中汽车类型为 domestic，22 个观察值其中汽车类型等于foreign.

 Domestic   Foreign  Total

 52         22       74 
 70.27      29.73    100.00 
 100.00     100.00   100.00 

在 Pandas 中可以做到这一点吗？示例：

df = pd.DataFrame({'A' : ['one', 'one', 'two', 'three'] * 6,
                   'B' : ['A', 'B', 'C'] * 8,
                   'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 4,
                   'D' : np.random.randn(24),
                   'E' : np.random.randn(24)})

可以结合的东西

pd.crosstab(df.A,df.B)

pd.crosstab(df.A, df.B).apply(lambda r: r/r.sum(), axis=1)

和pd.crosstab(df.A, df.B).apply(lambda r: r/r.sum(), axis=0)

在相同的输出上。你怎么看？我正在考虑aggfunc，但在这里我需要获取整个数据框，而不仅仅是一个系列......

谢谢！

Answer 1

考虑使用交叉表的margins 将所有三个连接成一个df。下面使用您的示例：

newdf = pd.concat([pd.crosstab(df.A, df.B, margins=True),
                   pd.crosstab(df.A, df.B).apply(lambda r: r/r.sum(), axis=0),                   
                   pd.crosstab(df.A, df.B).apply(lambda r: r/r.sum(), axis=1)])

newdf = newdf.loc[['one','two','three','All']]              # RE-ORDER INDEX VALUES                                 
newdf = newdf[['A', 'B', 'C', 'All']]                       # RE-ORDER COLUMNS 
newdf['All'] = np.where(pd.isnull(newdf['All'])   &         # ROW PERCENTAGES SUM
                        (newdf['A'] + newdf['B'] + newdf['C']==1),
                        1, newdf['All'])
print(newdf)
#              A         B         C   All
# A                                        
# one    4.000000  4.000000  4.000000  12.0
# one    0.500000  0.500000  0.500000   NaN
# one    0.333333  0.333333  0.333333   1.0
# two    2.000000  2.000000  2.000000   6.0
# two    0.250000  0.250000  0.250000   NaN
# two    0.333333  0.333333  0.333333   1.0
# three  2.000000  2.000000  2.000000   6.0
# three  0.250000  0.250000  0.250000   NaN
# three  0.333333  0.333333  0.333333   1.0
# All    8.000000  8.000000  8.000000  24.0